一种麦克纳姆轮智能仓储AGV及其路径规划方法技术

本发明专利技术涉及一种麦克纳姆轮智能仓储AGV及其路径规划方法，其包括：构建AGV运动模型以及麦克纳姆轮运动学模型；实时测算AGV的运行速度和角速度，同时由激光雷达传感器采集数据并回传至主控制器；构建多帧子地图；对所有子地图数据进行基于子地图快速关联算法的关联分析，并对AGV的状态进行预测以及环境地图预测，对环境地图进行更新或环境地图增广；超声波传感器实时检测前方是否有障碍并把结果回传至主控制器，计算出AGV的运行轨迹；将AGV运行轨迹代入麦克纳姆轮运动学公式，计算出各轮转向和转速值；各轮转向和转速值代入模糊PID控制器，结合AGV麦克纳姆轮的行星减速电机上的编码器回传的数据，驱动行星减速电机，最终实现AGV的精准定位和快速有效的搬运。

A McNam Intelligent Storage AGV and Its Path Planning Method

The invention relates to an intelligent storage AGV of McNam wheel and its path planning method, which includes: constructing AGV motion model and McNam wheel kinematics model; real-time measuring AGV running speed and angular speed, and collecting data by lidar sensor and returning it to the main controller; constructing multi-frame sub-maps; fast correlation calculation of all sub-map data based on sub-map. The correlation analysis of AGV is carried out, and the state of AGV is predicted and the environmental map is predicted, the environmental map is updated or the environmental map is expanded; the ultrasonic sensor real-time detects whether there are obstacles ahead and sends the results back to the main controller to calculate the AGV trajectory; the AGV trajectory is substituted into the McNam wheel kinematics formula to calculate the wheel steering and rotational speed values; The fuzzy PID controller is used to replace the sum speed value with the speed value. Combined with the data transmitted by the encoder on the planetary reducer motor of AGV McNam wheel, the planetary reducer motor is driven, and finally the precise positioning and fast and effective handling of AGV are realized.

【技术实现步骤摘要】
一种麦克纳姆轮智能仓储AGV及其路径规划方法
本专利技术涉及一种仓储AGV，特别是关于一种基于子地图快速关联算法的麦克纳姆轮智能仓储AGV及其路径规划方法。
技术介绍
目前，智能仓储AGV(自动导引运输车)的开发和使用是一个非常热门的领域，许多公司都有着一套独特的AGV系统。最出名的代号为“小黄人”的机器人在仓储货物分拣上表现卓越，依靠着强大的主机终端，实时调度几十台“小黄人”的运行，实现物流分拣工作。但该款AGV只适合运行在较为平整的路面，适用场景也非常有限。另外，也有很多公司推出了相对“小黄”来说体积更大，功能更齐全的AGV系统，其自主导航绝大多数使用的是激光导航、惯性导航以及磁条导航。其中，激光导航占有很大的一部分，基于激光雷达的SLAM技术是目前最稳定、可靠性最高的方式。最早用于解决移动机器人同时定位与建图的方法是EKF－SLAM。在该方法中，最近邻数据关联法用于获取数据关联结果，扩展卡尔曼滤波用于完成对移动机器人位姿和环境地图的估计。然而EKF－SLAM在实际应用中存在很多问题，包括算法复杂度高、数据关联题难处理以及估计精度差等问题。与此同时，AGV运行时，个别轮子转速不理想或打滑会直接对AGV运行的稳定性造成很大的影响，行业内解决此类问题的措施大部分是保证地面的平整或增大轮子的抓地力，但在一些特殊场合，这些措施将会无济于事。
技术实现思路
针对上述问题，本专利技术的目的是提供一种基于子地图快速关联算法的麦克纳姆轮智能仓储AGV及其路径规划方法，其依靠SLAM(同时定位与建图)技术，实现有效的路径规划，完成物品运输或是到达指定位置的功能。此外，依靠麦克纳姆轮的高机动性，提高作业效率并能在狭小的空间正常作业。为实现上述目的，本专利技术采取以下技术方案：一种麦克纳姆轮智能仓储AGV路径规划方法，其包括以下步骤：1)预先设定AGV的搬运目标地点、仓储货物的放置地点以及行进速度；2)由AGV中的主控制器构建AGV运动模型以及麦克纳姆轮运动学模型；3)由AGV中的与主控制器连接的九轴陀螺仪实时测算AGV的运行速度和角速度，同时由设置在AGV上的激光雷达传感器开始采集数据并回传至主控制器；4)主控制器分别读取多帧激光雷达数据，构建多帧子地图，并将所有子地图存入主控制器的板载非易失存储器中；5)对存储器中的所有子地图数据进行基于子地图快速关联算法的关联分析，并对AGV的状态进行预测以及环境地图预测，结合预测结果，对环境地图进行更新或环境地图增广；6)设置在AGV上的超声波传感器实时检测前方是否有障碍并把结果回传至主控制器，主控制器根据更新后的环境地图和超声波传感器回传的数据计算出AGV的运行轨迹；7)将AGV运行轨迹代入麦克纳姆轮运动学公式，计算出各轮转向和转速值；8)将各轮转向和转速值代入模糊PID控制器，结合AGV麦克纳姆轮的行星减速电机上的编码器回传的数据，驱动行星减速电机，最终实现AGV的精准定位和快速有效的搬运。进一步，所述步骤5)中，对所有子地图数据进行基于子地图快速关联算法的关联分析，包括以下步骤：5.1)主控制器连续读取由多帧的激光雷达数据构建成的子地图数据；5.2)对每一时刻的子地图数据设定局部关联区域，具体公式如下：式中，(xv,yv,θ)表示当前时刻AGV的位姿，xv表示AGV沿x方向的位姿、yv表示AGV沿y方向的位姿、θ表示AGV的方向角；abs表示开根方；(xi,yi)表示子地图上某个特征的坐标值；r为激光雷达的最大扫描距离；d为补偿距离；由此得到的局部关联区域即为以激光雷达为圆心的半径为r+d的半圆；5.3)对t时刻的子地图划分完局部关联区域后，对子地图上的特征值点Gt＝{gs|w′＝1,…m}按密度分为M组，即其中，表示t时刻的第k个小组，gs表示第k组中的特征点，mk表示第k组中的第m个特征点，w′表示存放特征点的变量；5.4)完成局部关联区分割和数据分组后，利用JCBB得到每组数据与全局地图Q关联的最优解Ul，最后对每组数据对应的关联最优解进行组合，得到最终的关联结果其中，un表示第n个最优解，t表示当前时刻，JCBB为联合兼容分支定界算法；5.5)根据关联结果，对环境地图进行更新或增广：un＝q表示该观测点与全局地图中第q个特征相匹配，该观测点则用于地图更新，un＝0表示该观测点为新特征值用于全局地图的增广。进一步，所述步骤2)中，AGV运动模型为：式中，ov,t表示AGV在t时刻的位姿；L为车轮轴距；dt表示输入量的单次采样时间；v和θ表示t时刻的输入量，v表示AGV的速度，θ表示AGV的方向角；xt-1表示t-1时刻AGV相对于x方向的位姿；yt-1表示t-1时刻AGV相对于y的位姿；θt-1表示t-1时刻AGV的角位姿。进一步，所述步骤2)中，麦克纳姆轮运动学模型为：式中，w1、w2、w3、w4分别表示四个麦克纳姆轮的转速，vx表示AGV沿x方向的速度，vy表示AGV沿y方向的速度，w表示AGV绕四轮中心的转速，L1表示沿x方向轮子中轴线到四轮中心的距离，L2表示沿y方向轮子中轴线到四轮中心的距离，R为轮子半径。一种实现上述规划方法的麦克纳姆轮智能仓储AGV，其包括车身，位于所述车身底部两侧分别设置有一对麦克纳姆轮，位于所述车身顶部设置有机械臂固定柱和主控系统仓，所述主控系统仓位于所述机械臂固定柱后部；位于所述车身前端顶部中央位置处设置有激光雷达传感器，位于所述车身前端下部两侧还分别设置有用于AGV局部避障的超声波传感器；所述机械臂固定柱的顶部通过旋转平台与机械臂结构连接，位于所述机械臂结构的端部设置有末端执行器；所述主控系统仓内设置有主控制器、以及与所述主控制器连接的九轴陀螺仪和麦克纳姆轮驱动电机；所述激光雷达传感器、超声波传感器和九轴陀螺仪将检测到的信号都传输至所述主控制器内，由所述主控制器控制所述旋转平台和麦克纳姆轮驱动电机动作。进一步，所述机械臂结构包括机械大臂、机械中臂、第一步进电机、机械小臂、关节和第二步进电机；所述机械大臂一端通过所述旋转平台与所述机械臂固定柱连接，所述机械大臂另一端通过所述第一步进电机与所述机械中臂一端连接；所述机械中臂另一端通过所述关节与所述机械小臂一端连接，所述机械小臂该端端部设置有所述第二步进电机，且所述机械小臂的末端连接有所述末端执行器；所述第一步进电机和第二步进电机均与所述主控制器连接。进一步，所述末端执行器内设置有驱动电机，该驱动电机与所述主控制器连接，该驱动电机带动所述末端执行器绕所述机械小臂转动。进一步，所述机械臂结构还包括驱动连杆；所述驱动连杆一端与所述第一步进电机连接，另一端与所述机械小臂一端连接。进一步，所述车身后部设置有动力电池仓，所述动力电池仓内设置有锂电池，所述锂电池外层包裹阻燃材料；所述动力电池仓后部还设置有充电插口。进一步，所述麦克纳姆轮驱动电机采用带编码器的行星减速电机，该行星减速电机固定在所述车身的底盘上。本专利技术由于采取以上技术方案，其具有以下优点：1、本专利技术采用基于子地图快速关联算法，对传统关联算法进行了优化，提高了AGV的同时定位与建图能力，减少了主控系统的运算负担，使AGV能够实现仓储货物的有效快速移送。2、本专利技术采用模糊PID算法，解决了因个别轮子打滑引起的移动不稳定问题。3、本专利技术采用基本文档来自技高网...

【技术保护点】
1.一种麦克纳姆轮智能仓储AGV路径规划方法，其特征在于包括以下步骤：1)预先设定AGV的搬运目标地点、仓储货物的放置地点以及行进速度；2)由AGV中的主控制器构建AGV运动模型以及麦克纳姆轮运动学模型；3)由AGV中的与主控制器连接的九轴陀螺仪实时测算AGV的运行速度和角速度，同时由设置在AGV上的激光雷达传感器开始采集数据并回传至主控制器；4)主控制器分别读取多帧激光雷达数据，构建多帧子地图，并将所有子地图存入主控制器的板载非易失存储器中；5)对存储器中的所有子地图数据进行基于子地图快速关联算法的关联分析，并对AGV的状态进行预测以及环境地图预测，结合预测结果，对环境地图进行更新或环境地图增广；6)设置在AGV上的超声波传感器实时检测前方是否有障碍并把结果回传至主控制器，主控制器根据更新后的环境地图和超声波传感器回传的数据计算出AGV的运行轨迹；7)将AGV运行轨迹代入麦克纳姆轮运动学公式，计算出各轮转向和转速值；8)将各轮转向和转速值代入模糊PID控制器，结合AGV麦克纳姆轮的行星减速电机上的编码器回传的数据，驱动行星减速电机，最终实现AGV的精准定位和快速有效的搬运。

【技术特征摘要】
1.一种麦克纳姆轮智能仓储AGV路径规划方法，其特征在于包括以下步骤：1)预先设定AGV的搬运目标地点、仓储货物的放置地点以及行进速度；2)由AGV中的主控制器构建AGV运动模型以及麦克纳姆轮运动学模型；3)由AGV中的与主控制器连接的九轴陀螺仪实时测算AGV的运行速度和角速度，同时由设置在AGV上的激光雷达传感器开始采集数据并回传至主控制器；4)主控制器分别读取多帧激光雷达数据，构建多帧子地图，并将所有子地图存入主控制器的板载非易失存储器中；5)对存储器中的所有子地图数据进行基于子地图快速关联算法的关联分析，并对AGV的状态进行预测以及环境地图预测，结合预测结果，对环境地图进行更新或环境地图增广；6)设置在AGV上的超声波传感器实时检测前方是否有障碍并把结果回传至主控制器，主控制器根据更新后的环境地图和超声波传感器回传的数据计算出AGV的运行轨迹；7)将AGV运行轨迹代入麦克纳姆轮运动学公式，计算出各轮转向和转速值；8)将各轮转向和转速值代入模糊PID控制器，结合AGV麦克纳姆轮的行星减速电机上的编码器回传的数据，驱动行星减速电机，最终实现AGV的精准定位和快速有效的搬运。2.如权利要求1所述规划方法，其特征在于：所述步骤5)中，对所有子地图数据进行基于子地图快速关联算法的关联分析，包括以下步骤：5.1)主控制器连续读取由多帧的激光雷达数据构建成的子地图数据；5.2)对每一时刻的子地图数据设定局部关联区域，具体公式如下：式中，(xv,yv,θ)表示当前时刻AGV的位姿，xv表示AGV沿x方向的位姿、yv表示AGV沿y方向的位姿、θ表示AGV的方向角；abs表示开根方；(xi,yi)表示子地图上某个特征的坐标值；r为激光雷达的最大扫描距离；d为补偿距离；由此得到的局部关联区域即为以激光雷达为圆心的半径为r+d的半圆；5.3)对t时刻的子地图划分完局部关联区域后，对子地图上的特征值点Gt＝{gs|w′＝1,…m}按密度分为M组，即其中，表示t时刻的第k个小组，gs表示第k组中的特征点，mk表示第k组中的第m个特征点，w′表示存放特征点的变量；5.4)完成局部关联区分割和数据分组后，利用JCBB得到每组数据与全局地图Q关联的最优解Ul，最后对每组数据对应的关联最优解进行组合，得到最终的关联结果其中，un表示第n个最优解，t表示当前时刻，JCBB为联合兼容分支定界算法；5.5)根据关联结果，对环境地图进行更新或增广：un＝q表示该观测点与全局地图中第q个特征相匹配，该观测点则用于地图更新，un＝0表示该观测点为新特征值用于全局地图的增广。3.如权利要求1或2所述规划方法，其特征在于：所述步骤2)中，AGV运动模型为：式中，ov,t表示AGV在t时...

【专利技术属性】
技术研发人员：焦永刚，任彬，王丽，胡佳辉，
申请(专利权)人：石家庄铁道大学，
类型：发明
国别省市：河北,13